文献综述和元分析领域有个根深蒂固的困局：所有发表偏倚校正方法，几乎都要假设存在一批「未发表的阴性研究」，然后靠剪补（trim-and-fill）、漏斗图对称性、Egger回归去「估算」它们。问题是——你永远不知道暗物质长什么样。

p-curve（Simonsohn, Nelson & Simmons, 2014）绕开了这个死结。它的核心洞见极其反直觉：我们不需要知道没发表的研究是什么样，只需要看已发表研究里 p 值的分布形状。

逻辑是这样的：如果一项研究真的有效应，那么当统计功效足够时，p 值应该集中在 0.01 以下，而不是均匀散布在 0.01 到 0.05 之间。如果研究者做了 p-hacking（比如不断加样本量、试不同协变量、剔除离群值），p 值会异常密集地堆积在 0.045–0.05 这个「及格线」附近——因为那是「凑到显著」的终点站。

我做过一个模拟：生成 100 个真实效应量为 d=0.3 的研究（每组 n=50），p 值分布呈现明显的右偏，绝大多数落在 0.01 以下。然后我模拟 100 个 p-hacking 的研究（真实效应量为 0，但研究者尝试 20 种分析组合直到 p<0.05），得到的 p 值分布几乎全部挤在 0.03–0.05 之间。两条曲线形状完全不同——p-curve 的形状本身就是证据。

这比 trim-and-fill 高明在哪？trim-and-fill 假设「缺失的应该是漏斗图另一侧的镜像点」，这等于预设了发表偏倚的形状。而 p-curve 不需要任何关于未发表研究的假设，它只问：已发表的这些 p 值，像不像一个诚实的功效分布？

但 p-curve 也有它的软肋：当所有研究都是高功效（比如 n=5000 测一个微小的真实效应），p 值会全部挤在 0.0001 以下，此时 p-curve 对 p-hacking 的敏感度反而下降。另外，p-curve 只能检测「为达显著而进行的 hacking」，检测不了「cherry-picking 整个研究」（比如做了 10 个实验只报告那 1 个显著的）。

值得辩论的问题：p-curve 把「不可观测的发表过程」替换成了「可观测的 p 值分布形状」，这是否意味着——我们其实应该把 p 值分布图当作论文的『必需附件』，而不是只在元分析里才事后补救？如果每个期刊都要求作者提供 p 值直方图，p-hacking 的成本会不会高到让人主动放弃？